Anonymisierung von personenbezogenen Daten

Templ, Matthias

Full metadata record

DC Field	Value	Language
dc.contributor.author	Templ, Matthias	-
dc.date.accessioned	2020-05-07T09:05:31Z	-
dc.date.available	2020-05-07T09:05:31Z	-
dc.date.issued	2020	-
dc.identifier.uri	https://digitalcollection.zhaw.ch/handle/11475/20001	-
dc.description.abstract	Ein wesentlicher Bestandteil moderner Anwendungen in der Welt der digitalen Transformation ist die Analyse von Daten und die Anwendung moderner Machine- und Deep-Learning-Methoden. Begleitend - und oft entscheidend für den Erfolg - findet in allen Bereichen eine immer extensivere Datensammlung statt. Viele der interessantesten Anwendungen, welche uns als Einzelnen indirekt oder direkt betreffen, beinhalten auch die Sammlung und Verarbeitung personenbezogener Daten, vor allem von Mikrodaten (nicht-aggregierter Information). Seit den ersten Datenschutzskandalen in den 90er Jahren weiss auch der Gesetzgeber, dass das Entfernen oder Pseudoanonymisieren direkt identifizierender Attribute wie Namen, Adressen und AHV Nummern in der Regel nicht ausreicht, um Datenschutzverletzungen zu verhindern. Das Kernkonzept der Datenanonymisierung besteht darin, Daten so zu transformieren, dass Re-Identifizierungsrisiken von Personen verringert werden, wobei die Verringerung der Risiken gegen eine Verringerung des Datennutzens abgewogen wird (de-fakto Anonymität). Dies ist eine komplexe Aufgabe welche die Anwendung und Entwicklung komplexer Methoden benötigt. Es sind formalere Ansätze erforderlich, bei denen mathematische und statistische Modelle zur Quantifizierung der Risiken und der Auswirkungen der Anonymisierung auf die Datennutzung verwendet werden. Darüber hinaus müssen komplexe Algorithmen eingesetzt werden, um einerseits das Risiko zu senken und andererseits die Datenqualität und das Analysepotential und die Forschungsfragen nicht zu einzuschränken. Möglichkeiten und Grenzen von Anonymisierung als auch Techniken der Risikoschätzung und Anonymisierung von Mikrodaten (nicht-aggregierte Daten) werden überblicksmässig und allgemein verständlich vorgestellt. Nicht Bestandteil oder nur sehr kleiner Anteil des Vortrages sind Methoden zur Geheimhaltung aggregierter Daten und Pseudoanonymisierung.	de_CH
dc.language.iso	de	de_CH
dc.rights	Not specified	de_CH
dc.subject	Datenschutz	de_CH
dc.subject	Anonymisieren	de_CH
dc.subject.ddc	005: Computerprogrammierung, Programme und Daten	de_CH
dc.title	Anonymisierung von personenbezogenen Daten	de_CH
dc.type	Konferenz: Sonstiges	de_CH
dcterms.type	Text	de_CH
zhaw.departement	School of Engineering	de_CH
zhaw.organisationalunit	Institut für Datenanalyse und Prozessdesign (IDP)	de_CH
zhaw.conference.details	Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020	de_CH
zhaw.funding.eu	No	de_CH
zhaw.originated.zhaw	Yes	de_CH
zhaw.publication.status	publishedVersion	de_CH
zhaw.publication.review	Not specified	de_CH
zhaw.author.additional	No	de_CH
zhaw.display.portrait	Yes	de_CH
Appears in collections:	Publikationen School of Engineering

Files in This Item:

There are no files associated with this item.

Show simple item record

Templ, M. (2020). Anonymisierung von personenbezogenen Daten. Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020.

Templ, M. (2020) ‘Anonymisierung von personenbezogenen Daten’, in Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020.

M. Templ, “Anonymisierung von personenbezogenen Daten,” in Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020, 2020.

TEMPL, Matthias, 2020. Anonymisierung von personenbezogenen Daten. In: Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020. Conference presentation. 2020

Templ, Matthias. 2020. “Anonymisierung von personenbezogenen Daten.” Conference presentation. In Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020.

Templ, Matthias. “Anonymisierung von personenbezogenen Daten.” Winterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020, 2020.